导语：过去可能需要多年完成的热力学计算，机器学习有望压缩到一天。

德州A and M大学材料科学与工程教授Raymundo Arroyave获得美国国家科学基金会资助，将建设名为PhaseForge的免费开源软件。该工具把机器学习应用于CALPHAD，也就是相图计算方法，用于回答材料科学中一个基础问题：目标材料是否能够稳定存在。

在材料研发中，判断一种材料体系能否被制备，通常需要建立热力学模型。问题在于，这类模型构建耗时、门槛高，许多材料体系并没有现成模型，研究人员只能依赖大量实验探索。报道提到，项目团队希望用机器学习大幅加速这一过程，把原本可能按年计的计算压缩到一天左右。

PhaseForge面向无机材料，潜在应用包括航天器热防护系统、形状记忆合金、超硬耐磨涂层等。这些方向对材料稳定性、相结构和极端环境性能要求很高，早期判断材料体系是否可行能够显著降低试错成本。

材料工程正进入由实验、计算和机器学习共同驱动的新阶段。材料能否被设计出来、能否稳定制造、能否满足高性能应用，越来越依赖跨尺度表征、热力学建模和数据算法协同。

学科观察：项目计划以免费开源方式发布，代码可在GitHub上获取，并配套教程和培训材料。对于材料工程领域，这类工具的意义不只是提高单个课题组效率，更可能推动高校、国家实验室和企业之间共享建模能力。材料发现正在从经验驱动走向数据、热力学和开放工具共同驱动。

这类动态适合突出材料学科的基础支撑作用。无论是航空航天、先进制造还是储能产业，真正改变性能边界的，往往是材料发现和材料制备路线上的小突破。

来源链接：https://news.engineering.tamu.edu/news/2026/09/04/nsf-backs-texas-am-tool-that-speeds-materials-discovery/